【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及一种基于球化空间和多方向导数的红外小目标检测方法及装置。
技术介绍
1、近年来，红外小目标检测在军事、民用等各个领域中越来越备受关注，特别是在空中防御、海洋监视等方面。由于长距离探测的需求，热红外图像中感兴趣的目标通常呈现2×2到9×9的尺寸，其“弱”和“小”的特点使得红外小目标检测成为一项具有挑战的任务，其面临着以下挑战：
2、1)由于远距离成像和背景多变性，红外图像的信号杂波比较低，这表明小目标与背景之间的对比度较低，增加了目标检测的难度；
3、2)存在较多的干扰，如固有噪声和结构噪声，一定程度上会造成误检，背景抑制能力较弱；
4、3)红外搜索与跟踪系统对红外小目标检测方法的时效性能较高，这表明红外小目标检测方法需要在保证准确性的同时，提高计算效率，以满足实时应用的需求。
5、通常，红外弱小目标检测方法可分为基于传统的方法和基于深度学习的方法。背景一致性方法假设红外背景呈现高相关性，并设计滤波器来提取小目标，例如，max-median,max-mean和小波变换等。但是，在复杂场景中，这些滤波器不仅会增强目标，还会突出其他背景成分，造成虚警。
6、基于人眼视觉系统(hvs)的方法旨在基于目标与其周围邻域之间的对比度进行目标检测。最具代表性的hvs方法是局部对比度度量(lcm)。随后，不同的lcm变体被陆续提出，例如全局稀疏加权lcm(gswlcm)，能量局部不确定性度量(elum)，基于梯度滤波器与梯度对比度度量(gcf-cm)。
7、基于低秩稀疏分解的检测方法依赖于以下假设：背景呈现低秩特性，因为大部分背景部分可以由相似的图像块组成；目标呈现稀疏性，因为它只占据了少量像素。因此，基于低秩稀疏的分解方法可以从原始红外图像中分离出目标成分，例如logtfnn，nram，mettr,stt-trnr,sttm-tsnm和4d-tr。然而，许多方法没有充分利用或破坏了给定序列中的时空信息，导致背景收缩或目标丢失的问题。
8、随着硬件设备的不断提升以及深度学习技术的不断发展，越来越多的基于深度学习的红外小目标检测方法被提出，基于深度学习的方法包含有kcpnet，apafnet，stdmanet和msaffnet等网络。然而，这些方法对样本数据的要求较高，并且制作样本标签的工作量庞大。此外，基于深度学习的红外小目标检测方法注重目标本身，在不同的背景下缺乏鲁棒性。
9、综上所述，红外小目标检测是一项具有挑战性的任务，亟需解决弱小目标检测能力不足和背景抑制能力不足等问题。
技术实现思路
1、针对现有技术中的不足，本专利技术的目的是提供一种基于球化空间和多方向导数的热红外小目标检测方法及装置，充分利用红外图像中背景成分存在的低频特性，目标与背景之间存在明显的梯度差异等特点，可以通过球化空间和高通滤波器的构造，对红外图像进行数据球化以及高通过滤，极大程度抑制背景成分；并通过多方向梯度方法计算图像在不同方向上的梯度值，有效地捕捉到目标，增强目标的显著性，实现红外小目标检测；此外，本专利技术方法的目标检测能力、背景抑制能力和综合性能都得到了有效验证。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、本专利技术一方面公开了基于球化空间和多方向导数的红外小目标检测方法，其特征在于，包括如下步骤：
4、步骤1)：基于原始热红外图像序列建立球化空间ωds，将红外图像d映射至球化空间ωds进行数据球化，得到球化图像序列
5、步骤2)：对球化图像序列中的每一帧球化图像dds，利用快速傅里叶变换将dds从空域变换至频域得到构造频域滤波器fσ以抑制中的低频信号得到频域中的图像数据再将变换至空域得到高通过滤图像df；
6、步骤3)：基于高通过滤图像df的梯度特征，定义主要方向和次要方向，并计算每一帧df所对应的基于多方向融合导数的权重矩阵w；
7、步骤4)：对于球化图像序列利用权重矩阵w加权其所对应的球化图像dds，得到目标检测结果t，输出小目标检测结果序列序列中的每一帧图像为小目标检测结果图像，实现热红外小目标检测。
8、本专利技术还公开了一种实施所述方法的基于球化空间和多方向导数的红外小目标检测装置，其包括：
9、数据球化模块，建立球化空间，将原始红外图像序列映射至球化空间进行数据球化，得到球化图像序列；
10、高通滤波模块，将球化图像序列中的每一帧球化图像从空域变换至频域，构造频域滤波器抑制低频信号后，变换至空域得到高通过滤图像；
11、基于多方向融合导数的权重信息提取模块，利用高通过滤图像的梯度信息，设计并计算多方向融合导数的权重矩阵；
12、球化数据加权模块，将权重矩阵加权球化图像，得到红外小目标检测结果；
13、目标检测结果输出模块，用于输出红外小目标检测结果序列。
14、本专利技术的有益效果在于：
15、1)本专利技术充分利用红外图像中背景成分的低频特性，可以通过球化空间和高通滤波器的构造，对红外图像进行数据球化以及高通过滤，抑制背景成分，增强图像中的小目标等高频信息；
16、2)本专利技术充分利用目标与背景之间存在明显的梯度差异等特点，通过计算并融合图像在不同方向上的梯度值，所设计的多方向融合导数的权重矩阵能有效增强目标的显著性，极大程度抑制背景、噪声等成分，实现红外弱小目标检测，且本方法的背景抑制能力、目标检测能力和综合有效性均得到了验证。
本文档来自技高网...【技术保护点】
1.一种基于球化空间和多方向导数的红外小目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于球化空间和多方向导数的红外小目标检测方法，其特征在于，所述的步骤1)具体为：
3.根据权利要求1所述的基于球化空间和多方向导数的红外小目标检测方法，其特征在于，所述的步骤2)具体为：
4.根据权利要求1所述的基于球化空间和多方向导数的红外小目标检测方法，其特征在于，所述的步骤3)具体为：
5.根据权利要求1所述的基于球化空间和多方向导数的红外小目标检测方法，其特征在于，所述的步骤4)具体为：
6.一种实施权利要求1所述方法的基于球化空间和多方向导数的红外小目标检测装置，其特征在于，包括：
【技术特征摘要】
1.一种基于球化空间和多方向导数的红外小目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于球化空间和多方向导数的红外小目标检测方法，其特征在于，所述的步骤1)具体为：
3.根据权利要求1所述的基于球化空间和多方向导数的红外小目标检测方法，其特征在于，所述的步骤2)具体为：
4...
【专利技术属性】
技术研发人员：骆源，包俏菲，陈云恒，
申请(专利权)人：杭州越达图谱科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。